結果：人形機器人現在遍布伯克利。
來自@ TheRundown AI
加州大學伯克利分校的一組研究人員創造了一個兩足機器人Cassie，它可以通過人工智慧強化學習來學習自己行走，而不是直接編程或模仿。
1.人工智慧模擬訓練學習走路，無需跌倒像嬰兒一樣重新開始
兩足機器人Cassie與我們的腿形狀相似，因此比其他機器人更容易進入為人類設計的城市環境。
為了幫助凱西學會像人類一樣獨立行走，研究小組將這個過程想像成嬰兒學習走路的過程。雖然嬰兒不會直接學會站立行走，但他們可以通過站立、跌倒、跨步記住行走的步驟，最終學會直立行走。
2.加強步態庫中的學習 到 讓節奏更加靈活穩健
研究團隊基於強化學習（Reinputation Learning; RL）方法，希望通過系統學習方法讓卡西學會更敏捷地行走。強化學習，也稱為強化學習和評估學習，是智能體通過「試錯」進行學習以實現環境交互中特定目標的方式。
在此之前，研究人員經常控制兩足機器人進行機械建模，但這種方法難以對複雜地面進行建模，機器人缺乏適應環境變化和運動穩定性的能力。
3. 人工智慧跟蹤行走環境，而且 行走速度 和 高度自動調整
基於RL方法，研究人員建立了一個自適應速度控制步行控制器。
該控制器可以通過人工智慧跟蹤卡西的行走環境，並為她提供合適的行走策略。
結論: 人工智慧強化學習幫助機器人移動得更敏捷
人工智慧強化學習基於步態庫的參考運動，可以幫助兩足機器人學習行走、轉彎、蹲下等運動狀態，並跟蹤其行走環境實現自動速度調節、轉彎等功能，使機器人更好地實現運動的靈活性和魯棒性。
未來，AI強化學習還將幫助雙足機器人和其他機器人在此基礎上學習更多動態和敏捷的行為，幫助它們在複雜的未知環境中自如應對。